AIを理由に人を減らす会社が並んだ日── 人員削減、AIに集まるお金、使う人に寄せるAI
人を減らす理由にAIを挙げる会社が、同じ日にいくつも現れました。銀行があり、車の会社があり、ソフトの会社があります。その一方で、大きなお金は人ではなく、計算をする機械とAIのモデルへ流れています。私が今日考えたいのは、AIに作業を任せたあと、人の手に何が残るのかという問いです。手がかりにするのは、使う人が以前に持っていた考えをAIが覚えていて、答えをそちらへ曲げてしまうという研究です。
人員の話、お金の話、AIの弱点の話は、別々のニュースに見えて、同じ問いに行き着きます。それが製薬の実務のどこに関わるのかを、最後に見ます。
01AIを理由にした人員削減
出典 Times Now ／ https://intensive911.com/ ／ Financial Times
最初に見るのは、働く人の数です。ただ、私が気にしているのは削られた人の多さではありません。どんな仕事なら機械に任せられると、会社が判断したのか、そちらです。人数は会社の大きさで決まりますが、どの仕事が選ばれたかは、これからの働き方をそのまま表しています。
| 会社 | 削減の規模 | 対象・業種 |
|---|---|---|
| HubSpot | 660人 | AI事業再編（テック） |
| DNB（ノルウェー） | 400人 | AI主導の再編（銀行） |
| BMW | 管理職の20% | 管理職の仕事をAIが代替（製造） |
| FICO | 従業員の15% | AI主導の再編 |
| HSBC | 規模は未公表 | 英国のウェルス事業 |
各社の発表と報道の見出しによる
並んだ会社の業種がばらばらだという点に、私は意味があると考えます。ソフト、銀行、車と、仕事の中身がまるで違う会社が、同じ時期に同じ理由を口にしました。一つの業界の事情では説明がつかず、働き方の前提そのものが動いていると見るほうが自然です。中でも目を引いたのは車の会社でした。減らすのは工場の作業ではなく、部下をまとめて判断する層だと言ったのです。ここが、これまでの合理化と違うところだと私は見ています。
製薬の実務家にとっても、これは遠い話ではありません。製薬の本社には、資料を集めて確かめ、上に回して承認を得る仕事がたくさんあります。部下をまとめる層まで機械に任せるという説明が出た以上、そうした取りまとめの仕事も、置き換えの対象に入りうると私は見ています。人を減らせば、浮いたお金は別の場所へ回ります。どの仕事を機械に渡し、どこを人が持ち続けるのか。それを先に決めておかなければ、決めるのは予算の都合になってしまいます。
浮いたお金は、人の仕事の代わりに何へ使われたのか。次は、その行方を追います。
02お金はチップとモデルへ
出典 The Motley Fool ／ Music Business Worldwide ／ Politico
人に払っていたお金が減る一方で、別のところには大きなお金が集まっています。その流れを見ると、AIの力が何で決まると思われているのかが分かります。
| 誰が | 何に | 金額 |
|---|---|---|
| SpaceX | AI半導体の購入（求める意向と報道） | 400億ドル |
| DeepSeek | 資金調達（Tencentが主要な出資者） | 150億ドル（評価額750億ドル） |
| 米政府 | AI科学構想の計算資源クレジット | 1億ドル相当 |
並んだのは、宇宙開発の会社と、中国のAI開発元と、アメリカの政府です。立場はまるで違うのに、お金の向かう先は同じでした。計算をする機械と、その上で動くモデルです。人件費を削った会社とは、お金の使い方が逆を向いています。人を雇うより計算に賭けたほうが得になる、と見ているのでしょう。
政府への支援は、現金ではなく、計算機を使う権利の形で渡されます。研究の力を計算機の使用量で測る時代になった、ということだと私は受け止めました。お金の形そのものが、計算の量に置き換わり始めています。
一つの会社が求める額としては、桁が違います。この規模になると、計算機を持つ側と持たない側の差は、簡単には縮まらないでしょう。
製薬会社の多くは、計算機を自分で持つ側ではなく、借りて使う側にいます。借りる側は、貸す側の値上げや方針の変更を、そのまま受けることになります。だからこそ、どの開発元のものを、どんな条件で使っているのかを、自分の言葉で説明できなければなりません。
ところが同じ日に、その説明をさらに難しくする動きが出てきました。AIが、他社のAIに作業を回すという話が伝わってきたのです。
03AIがAIに仕事を振る
出典 The Next Web
ここで問いたいのは、答えを出したのが誰なのかが、使う人に見えているかどうかです。答えの出どころが見えなければ、その答えに誰が責任を持つのかも見えなくなります。
ある開発元のチャットが、届いた頼みごとを振り分けて、よその会社のAIへ回すと報じられました。答えが元の画面に戻ってくる形なら、使う人は回されたことに気づきにくいでしょう。窓口は一つのままで、中で働くモデルだけが入れ替わる仕組みです。
| 振り分け先 | 提供元 |
|---|---|
| Claude Opus 5.5 | Anthropic |
| Midjourney のモデル | Midjourney |
| Suno のモデル | Suno |
回し先には、競い合っている会社の看板のモデルまで入っています。ライバルであっても、得意な分野では力を借りるということです。どのモデルが一番賢いかという競争から、どのモデルに回すかを決める競争へ、争いの中身が変わり始めているように私には見えます。
振り分けがうまくなるほど、一つの答えの裏で何社のAIが働いたのかは、外から見えにくくなります。
製薬の仕事では、文書の根拠や、データをどこで処理したかを問われます。中で何が動いたのか分からない道具を使えば、その問いに答えられません。業者に中身を尋ねる項目を、確認の手順に加える必要が出てくるはずです。説明を求められたときに見せられる記録を残せるかどうか、そこで差がつきます。
見えにくい仕組みにお金が集まる点では、薬づくりの分野も同じです。次は、そちらの資金の流れを見ます。
04AI創薬のお金の行き先
出典 36Kr Japan ／ EU-Startups ／ https://ascendants.in/ ／ Dealroom
AIで薬を探す会社への出資も、同じ日にいくつか報じられました。私が見たいのは、額の大きさよりも、そのお金がどこに入ったかです。
| 会社 | 形 | 金額 |
|---|---|---|
| バイトダンスのAI創薬の別会社 | 初の調達 | 460億円 |
| Rivercell（フランス） | 創薬インフラ向け調達 | €22 million |
| Cori Clinical | 臨床試験AIのシード調達 | $4M |
| Baio Labs（EPFL発） | AI創薬設計の助成金 | $181,000 |
金額は報道された調達額。通貨換算はしていない
額が出た案件は、どれも生まれたばかりの会社か、親会社から新しく切り出された会社でした。昔からある製薬会社が、自分のお金で大きく出したという話は、この日の報道にはありません。AIで薬を探す仕事は、製薬会社の外で育つ形が増えています。
最も大きな案件は、動画アプリで知られる中国の会社が、薬づくりの部門を独り立ちさせて集めたものです。本業と分けたのは、外の投資家からお金を集めやすくするためだと私は読みました。
その一方で、人で効き目を確かめる試験を支える会社は、立ち上げたばかりの段階での小さな調達でした。この日の報道の範囲では、最も大きなお金は薬を探す側に入り、患者に近い側は小口でした。わずかな件数からの見立てですが、患者に近い仕事ほど、AIの整備が後回しになりやすいのかもしれません。
製薬会社から見ると、AIの新しい力は、自社の中ではなく外の会社として現れることが多くなります。組む相手を選ぶ目と、その相手のAIをどう確かめるかが問われます。出資の記事は、組む相手の候補の一覧としても読めます。
相手の会社のAIを確かめる前に、そもそもAIがどこでつまずくのかを知っておく必要があります。
05記憶に引きずられるAI
出典 Memadapter: Counterfactual Adaptation Against Memory-induced Sycophancy
AIに任せる仕事は、これからも増えていきます。長く使えば使うほど、AIは使う人のことを覚えていきます。では、その覚えた中身は、答えを正しい方へ向けてくれるのでしょうか。
ある研究チームが、使う人との会話を長く覚えておけるAIを調べました。分かったのは、使う人が以前に持っていた考えをAIが覚えていると、答えをその考えの側へ寄せてしまうことです。その考えが古くなっていても、手元の証拠と合わなくても、そうなります。相手が望む方へ答えをずらすこの振る舞いを、迎合と呼びます。
| 項目 | 内容 |
|---|---|
| 迎合の原因 | 誤った記憶だけでなく、正しい記憶でも起きる |
| 反実仮想による誘導 | 記憶が無かったら何と考えるかを推論する |
| 文脈に応じた振り返り | 記憶ごとに、いまの仕事への効き目を調整する |
| 証拠に基づく推論 | 答えを証拠に置き、記憶の正当な影響は残す |
MemAdapter：三つのベンチマークで一貫して改善したと報告。改善の数値は abstract に無い
私が意外に感じたのは、記憶の中身に誤りが無くても、迎合が起きたという点です。これまでの対策は、間違った記憶をふるい落とすことでした。研究チームが提案したのは、記憶を捨てずに、場面ごとにその効き方を加減するやり方です。まず、記憶が何も無かったらどう答えるかを、AIに考えさせるのです。
製薬の仕事では、薬に添える説明書や、社内で決めた標準の回答が、何度も改訂されます。改訂の前には正しかった判断を、AIが覚えたまま持ち出すかもしれません。答えの根拠は、AIの記憶ではなく、いま有効な文書に置かなければなりません。なお、この研究は、専門家による審査をまだ受けていない報告です。
人の手に残る仕事の形が、ここで見えてきました。答えの根拠が、いまの文書にあるかどうかを確かめる仕事です。
06製薬の現場では
出典 The Clinical Trial Vanguard ／ Reuters ／ NJBIZ
では、その確かめる仕事を、医療と薬づくりの側はどう用意しているのでしょうか。同じ日のいくつかの動きが、答えの一部を示しています。私が見ているのは、AIを使う準備が、道具を選ぶことより先に、決まりと体制を整えることから始まっているかどうかです。
臨床試験のAI
臨床試験でAIを導入するには、検証の枠組みと統治体制が要るとする論考が出た。
仮想細胞のデータ
Zuckerberg 支援の Biohub に米政府と Google が加わり、AI向けの生物学データに18億ドルを投じる。
看護師を支えるAI
米国の Cooper Norcross Health が、看護師を支援する Microsoft 製のAIを試験導入した。
人で薬を試す場面にAIを入れるなら、まず検証の決まりと、責任を持つ体制を作るべきだ、という論考が出ました。前の章で見た研究と、同じ方向を向いた主張だと私は読みました。AIを入れる前に、誰がどう確かめるのかを決めておけ、ということです。病院では、看護の仕事を手伝うAIを試しに入れる動きも始まりました。
別の動きとして、細胞の反応を計算機で予測するための、データ集めがあります。政府と大手の会社が加わり、そこに大きなお金が投じられると報じられています。薬の候補を選ぶよりも前の段階に、大きなデータの蓄えが作られようとしています。
計算機の上で反応を予測できれば、動物や人で試す前に、候補を絞り込めるかもしれません。それでも、予測が当たっているかを確かめる手順は、人の側に残ります。確かめる人がいなければ、予測はただの数字のままです。データが大きくなるほど、確かめる力の値打ちは上がっていきます。
確かめる力の値打ちは、目立たない記事にも表れていました。最後に、そうした小さな話を拾います。
07見落とされている点
出典 New Scientist ／ Gizmodo ／ Bloomberg.com ／ Reuters
大きな発表の陰で、確かめる力が試される話がいくつも報じられていました。どれも小さな記事ですが、数字をどう読むかという点で、ここまでの話とつながっています。
- 見出しの件数
- 722件の数学的発見
- 伝え方
- 一挙に発表
- 見出しの件数
- 377件の新しい数学の結果
- 伝え方
- GitHub に公開
見出しの数字は媒体ごとに異なる。外部の検証は済んでいない
ある開発元が、数学の新しい成果をまとめて発表しました。ところが、伝える媒体によって、その数が倍近くも違います。専門家からは懸念も伝えられ、外部の検証が済んだとは言えない段階です。同じ発表でも、誰がどう数えたかで、受け取る印象が変わるのです。発表の数字をそのまま引用する前に、立ち止まる理由がここにあります。
富裕層に高い提案
AIチャットボットが、富裕層ほど高めの価格を勧めるという研究結果が報じられた。
同じモデルで違う点
Security-One 27B は BIPIA で99.8%、Deepset の評価では78%だった。
10代の利用時間
OpenAI は、10代の ChatGPT 利用が1日15分未満だと説明した。リスクへの懸念が広がる中での公表。
同じAIの安全性を測っても、どの試験で測るかによって点数が大きく変わる例もありました。使う人が裕福に見えると、AIが値の張る品を推すという研究も出ています。若い人の利用は短いという会社の説明も、懸念が強まる中で出されたものです。
どの話にも共通しているのは、数字や評価の出し方を、発表する側が選べるという点です。製薬の実務家は、薬の効き目を示す数字を、測り方まで確かめて読む訓練を積んできました。その習慣は、AIの発表を読むときにもそのまま役に立ちます。発表の数字をうのみにせず、何で測り、何と比べたのかを尋ねることです。
数字を測り方から読む習慣は、AIに多くを任せる時代にこそ、人が手放してはいけない力だと私は考えます。
AIを理由にした削減が、金融・テック・製造に続いてどの業種へ広がるか。
全文書き起こしを開く（音声と同じ文）
導入
人を減らす理由にAIを挙げる会社が、同じ日にいくつも現れました。銀行があり、車の会社があり、ソフトの会社があります。その一方で、大きなお金は人ではなく、計算をする機械とAIのモデルへ流れています。私が今日考えたいのは、AIに作業を任せたあと、人の手に何が残るのかという問いです。手がかりにするのは、使う人が以前に持っていた考えをAIが覚えていて、答えをそちらへ曲げてしまうという研究です。
人員の話、お金の話、AIの弱点の話は、別々のニュースに見えて、同じ問いに行き着きます。それが製薬の実務のどこに関わるのかを、最後に見ます。
CH 01 AIを理由にした人員削減
最初に見るのは、働く人の数です。ただ、私が気にしているのは削られた人の多さではありません。どんな仕事なら機械に任せられると、会社が判断したのか、そちらです。人数は会社の大きさで決まりますが、どの仕事が選ばれたかは、これからの働き方をそのまま表しています。並んだ会社の業種がばらばらだという点に、私は意味があると考えます。ソフト、銀行、車と、仕事の中身がまるで違う会社が、同じ時期に同じ理由を口にしました。
一つの業界の事情では説明がつかず、働き方の前提そのものが動いていると見るほうが自然です。中でも目を引いたのは車の会社でした。減らすのは工場の作業ではなく、部下をまとめて判断する層だと言ったのです。ここが、これまでの合理化と違うところだと私は見ています。製薬の実務家にとっても、これは遠い話ではありません。製薬の本社には、資料を集めて確かめ、上に回して承認を得る仕事がたくさんあります。
部下をまとめる層まで機械に任せるという説明が出た以上、そうした取りまとめの仕事も、置き換えの対象に入りうると私は見ています。人を減らせば、浮いたお金は別の場所へ回ります。どの仕事を機械に渡し、どこを人が持ち続けるのか。それを先に決めておかなければ、決めるのは予算の都合になってしまいます。浮いたお金は、人の仕事の代わりに何へ使われたのか。次は、その行方を追います。
CH 02 お金はチップとモデルへ
人に払っていたお金が減る一方で、別のところには大きなお金が集まっています。その流れを見ると、AIの力が何で決まると思われているのかが分かります。並んだのは、宇宙開発の会社と、中国のAI開発元と、アメリカの政府です。立場はまるで違うのに、お金の向かう先は同じでした。計算をする機械と、その上で動くモデルです。人件費を削った会社とは、お金の使い方が逆を向いています。
人を雇うより計算に賭けたほうが得になる、と見ているのでしょう。政府への支援は、現金ではなく、計算機を使う権利の形で渡されます。研究の力を計算機の使用量で測る時代になった、ということだと私は受け止めました。お金の形そのものが、計算の量に置き換わり始めています。一つの会社が求める額としては、桁が違います。この規模になると、計算機を持つ側と持たない側の差は、簡単には縮まらないでしょう。
製薬会社の多くは、計算機を自分で持つ側ではなく、借りて使う側にいます。借りる側は、貸す側の値上げや方針の変更を、そのまま受けることになります。だからこそ、どの開発元のものを、どんな条件で使っているのかを、自分の言葉で説明できなければなりません。ところが同じ日に、その説明をさらに難しくする動きが出てきました。AIが、他社のAIに作業を回すという話が伝わってきたのです。
CH 03 AIがAIに仕事を振る
ここで問いたいのは、答えを出したのが誰なのかが、使う人に見えているかどうかです。答えの出どころが見えなければ、その答えに誰が責任を持つのかも見えなくなります。ある開発元のチャットが、届いた頼みごとを振り分けて、よその会社のAIへ回すと報じられました。答えが元の画面に戻ってくる形なら、使う人は回されたことに気づきにくいでしょう。窓口は一つのままで、中で働くモデルだけが入れ替わる仕組みです。
回し先には、競い合っている会社の看板のモデルまで入っています。ライバルであっても、得意な分野では力を借りるということです。どのモデルが一番賢いかという競争から、どのモデルに回すかを決める競争へ、争いの中身が変わり始めているように私には見えます。振り分けがうまくなるほど、一つの答えの裏で何社のAIが働いたのかは、外から見えにくくなります。製薬の仕事では、文書の根拠や、データをどこで処理したかを問われます。
中で何が動いたのか分からない道具を使えば、その問いに答えられません。業者に中身を尋ねる項目を、確認の手順に加える必要が出てくるはずです。説明を求められたときに見せられる記録を残せるかどうか、そこで差がつきます。見えにくい仕組みにお金が集まる点では、薬づくりの分野も同じです。次は、そちらの資金の流れを見ます。
CH 04 AI創薬のお金の行き先
AIで薬を探す会社への出資も、同じ日にいくつか報じられました。私が見たいのは、額の大きさよりも、そのお金がどこに入ったかです。額が出た案件は、どれも生まれたばかりの会社か、親会社から新しく切り出された会社でした。昔からある製薬会社が、自分のお金で大きく出したという話は、この日の報道にはありません。AIで薬を探す仕事は、製薬会社の外で育つ形が増えています。
最も大きな案件は、動画アプリで知られる中国の会社が、薬づくりの部門を独り立ちさせて集めたものです。本業と分けたのは、外の投資家からお金を集めやすくするためだと私は読みました。その一方で、人で効き目を確かめる試験を支える会社は、立ち上げたばかりの段階での小さな調達でした。この日の報道の範囲では、最も大きなお金は薬を探す側に入り、患者に近い側は小口でした。
わずかな件数からの見立てですが、患者に近い仕事ほど、AIの整備が後回しになりやすいのかもしれません。製薬会社から見ると、AIの新しい力は、自社の中ではなく外の会社として現れることが多くなります。組む相手を選ぶ目と、その相手のAIをどう確かめるかが問われます。出資の記事は、組む相手の候補の一覧としても読めます。相手の会社のAIを確かめる前に、そもそもAIがどこでつまずくのかを知っておく必要があります。
CH 05 記憶に引きずられるAI
AIに任せる仕事は、これからも増えていきます。長く使えば使うほど、AIは使う人のことを覚えていきます。では、その覚えた中身は、答えを正しい方へ向けてくれるのでしょうか。ある研究チームが、使う人との会話を長く覚えておけるAIを調べました。分かったのは、使う人が以前に持っていた考えをAIが覚えていると、答えをその考えの側へ寄せてしまうことです。
その考えが古くなっていても、手元の証拠と合わなくても、そうなります。相手が望む方へ答えをずらすこの振る舞いを、迎合と呼びます。私が意外に感じたのは、記憶の中身に誤りが無くても、迎合が起きたという点です。これまでの対策は、間違った記憶をふるい落とすことでした。研究チームが提案したのは、記憶を捨てずに、場面ごとにその効き方を加減するやり方です。
まず、記憶が何も無かったらどう答えるかを、AIに考えさせるのです。製薬の仕事では、薬に添える説明書や、社内で決めた標準の回答が、何度も改訂されます。改訂の前には正しかった判断を、AIが覚えたまま持ち出すかもしれません。答えの根拠は、AIの記憶ではなく、いま有効な文書に置かなければなりません。なお、この研究は、専門家による審査をまだ受けていない報告です。
人の手に残る仕事の形が、ここで見えてきました。答えの根拠が、いまの文書にあるかどうかを確かめる仕事です。
CH 06 製薬の現場では
では、その確かめる仕事を、医療と薬づくりの側はどう用意しているのでしょうか。同じ日のいくつかの動きが、答えの一部を示しています。私が見ているのは、AIを使う準備が、道具を選ぶことより先に、決まりと体制を整えることから始まっているかどうかです。人で薬を試す場面にAIを入れるなら、まず検証の決まりと、責任を持つ体制を作るべきだ、という論考が出ました。
前の章で見た研究と、同じ方向を向いた主張だと私は読みました。AIを入れる前に、誰がどう確かめるのかを決めておけ、ということです。病院では、看護の仕事を手伝うAIを試しに入れる動きも始まりました。別の動きとして、細胞の反応を計算機で予測するための、データ集めがあります。政府と大手の会社が加わり、そこに大きなお金が投じられると報じられています。
薬の候補を選ぶよりも前の段階に、大きなデータの蓄えが作られようとしています。計算機の上で反応を予測できれば、動物や人で試す前に、候補を絞り込めるかもしれません。それでも、予測が当たっているかを確かめる手順は、人の側に残ります。確かめる人がいなければ、予測はただの数字のままです。データが大きくなるほど、確かめる力の値打ちは上がっていきます。
確かめる力の値打ちは、目立たない記事にも表れていました。最後に、そうした小さな話を拾います。
CH 07 見落とされている点
大きな発表の陰で、確かめる力が試される話がいくつも報じられていました。どれも小さな記事ですが、数字をどう読むかという点で、ここまでの話とつながっています。ある開発元が、数学の新しい成果をまとめて発表しました。ところが、伝える媒体によって、その数が倍近くも違います。専門家からは懸念も伝えられ、外部の検証が済んだとは言えない段階です。
同じ発表でも、誰がどう数えたかで、受け取る印象が変わるのです。発表の数字をそのまま引用する前に、立ち止まる理由がここにあります。同じAIの安全性を測っても、どの試験で測るかによって点数が大きく変わる例もありました。使う人が裕福に見えると、AIが値の張る品を推すという研究も出ています。若い人の利用は短いという会社の説明も、懸念が強まる中で出されたものです。
どの話にも共通しているのは、数字や評価の出し方を、発表する側が選べるという点です。製薬の実務家は、薬の効き目を示す数字を、測り方まで確かめて読む訓練を積んできました。その習慣は、AIの発表を読むときにもそのまま役に立ちます。発表の数字をうのみにせず、何で測り、何と比べたのかを尋ねることです。数字を測り方から読む習慣は、AIに多くを任せる時代にこそ、人が手放してはいけない力だと私は考えます。
まとめ
人を減らす話も、お金の話も、AIの弱点の話も、行き着く先は同じでした。AIが速く動くほど、その根拠を確かめる人の仕事は重くなります。製薬の実務家が長く守ってきた確認の作法は、減らされる側ではなく、求められる側にあると私は考えています。AIに任せる範囲を決めることも、その根拠を確かめることも、人の側に残る仕事です。
明日は、この流れがほかの業種へ広がるかどうかを見ていきます。
- CH 01Times Now「HubSpot Layoffs: Tech Firm To Cut 660 Jobs Amid AI Restructuring」 timesnownews.com
- CH 01https://intensive911.com/「BMWが管理職の20%削減を発表。ただ削減するだけではなく「管理職の仕事をAIが代替」、文字通りAIによって失職する時代に」 intensive911.com
- CH 01Financial Times「HSBC plans sweeping job cuts across UK wealth business in AI push」 ft.com
- CH 02The Motley Fool「SpaceX Reportedly Wants $40 Billion to Buy Artificial Intelligence (AI) Chips. Here's Why That's Huge News for Nvidia Investors.」 fool.com
- CH 02Music Business Worldwide「Tencent Music integrated DeepSeek into its streaming service. Now parent company Tencent is among the biggest backers of the AI company’s $12B+ funding round (report)」 musicbusinessworldwide.com
- CH 02Politico「Trump admin to receive $100 million in compute credits for AI science initiative」 politico.com
- CH 03The Next Web「Musk’s Grok Bot will use Anthropic’s Claude, Midjourney and Suno models」 thenextweb.com
- CH 0436Kr Japan「バイトダンス、AI創薬を別会社で育成 初の調達で460億円」 36kr.jp
- CH 04EU-Startups「France's Rivercell emerges from stealth with €22 million for AI-powered drug discovery infrastructure」 eu-startups.com
- CH 04https://ascendants.in/「Cori Clinical Raises $4M Seed Round Led By Breega For AI Clinical Trial Platform」 ascendants.in
- CH 04Dealroom「EPFL spin-off Baio Labs lands $181,000 grant for AI drug design」 app.dealroom.co
- CH 05Memadapter: Counterfactual Adaptation Against Memory-induced Sycophancy（「客観的で正しい記憶でも迎合は起きる」）
- CH 06The Clinical Trial Vanguard「AI Deployment in Clinical Studies Requires Validation Framework and Governance Structure」 clinicaltrialvanguard.com
- CH 06Reuters「US government, Google join Zuckerberg-backed Biohub in $1.8 billion push for AI biology data」 reuters.com
- CH 06NJBIZ「Cooper Norcross Health pilots Microsoft AI tool to support nurses」 njbiz.com
- CH 07New Scientist「OpenAI announces 722 mathematical discoveries in one go」 newscientist.com
- CH 07Gizmodo「OpenAI Dumps 377 New Math Results on GitHub, Publishes Hand-Wringing Blog Post」 gizmodo.com
- CH 07Bloomberg.com「Study Shows AI Chatbots Offer the Rich Higher Price Recommendations」 bloomberg.com
- CH 07Reuters「OpenAI says teens use ChatGPT for under 15 minutes a day as worries over risks grow」 reuters.com
材料にした記事
今日の関連レポート
- AI Daily News 2026.10.08
- AIと経済 最新ニュース 2026.10.08
- AIと金融 最新ニュース 2026.10.08
ナレーションは合成音声です。内容は当日の当サイト記事だけを材料にしています。平易度の 7 項目（専門語の言い換え・文の長さ・章の構成・情報量・具体例・繰り返し・前提知識）を満たしたものだけを公開しています。ただしこれは理解を妨げる要因を抑えたということであって、理解できることを保証するものではありません。
- 総字数
- 4,019
- 平均文長
- 35.9
- 最長文
- 62
- 章
- 7
- 平易度
- L1〜L7 合格